De la web semántica a la web sintética: los grafos de conocimiento como infraestructura de la IA generativa
DOI:
https://doi.org/10.3145/thinkepi.2025.e19a30Palabras clave:
Grafos de conocimiento, IA generativa, LLM, Web semántica, Web sintética, WikidataResumen
La web semántica nació con la idea de publicar datos estructurados e interconectados. Su adopción fue limitada por barreras técnicas, falta de herramientas accesibles y escasa cultura de datos abiertos. Aun así, proyectos como DBpedia y, sobre todo, Wikidata demostraron que los grafos de conocimiento pueden sostener aplicaciones fiables y útiles en dominios específicos. La irrupción de la IA generativa basada en LLM ha cambiado el panorama. Estos sistemas generan respuestas fluidas, pero también alucinaciones y falta de trazabilidad. Además, su conocimiento es implícito y difícil de actualizar. Esto ha impulsado el interés por integrar IA generativa con grafos de conocimiento para aportar precisión, coherencia y verificación. Por este motivo surgen enfoques híbridos que combinan LLM con grafos de conocimiento: técnicas RAG que consultan grafos RDF, generación de tripletas, asistencia en ingeniería del conocimiento, razonamiento restringido por grafos y entrenamiento con datos estructurados. En este contexto, Wikidata se ha consolidado como infraestructura clave para una “web sintética” en la que a través de su capacidad de representación de datos estructurados y su potencial para la verificación factual permiten construir sistemas más fiables de IA generativa.Descargas
Citas
Ang, Alan (2025). “Wikidata-Wikimedia’s knowledge graph in a world of generative AI”. Wikimedia Commons. https://commons.wikimedia.org/wiki/File:Wikidata-Wikimedia%27s_knowledge_graph_in_a_world_of_generative_AI_(2025).pdf
Cai, Linyue; Yu, Chaojia; Kang, Yongqi; Fu, Yu; Zhang, Heng; Zhao, Yong (2025). “Practices, opportunities and challenges in the fusion of knowledge graphs and large language models”. Frontiers in computer science, v. 7, 1590632. https://doi.org/10.3389/fcomp.2025.1590632
Dang, Minh-Hoanh; Pham, Thi-Hoang-Thi; Molli, Pascal; Skaf-Molli, Hala; Gaignard, Alban (2025). “LLM4Schema.org: Generating Schema.org markups with Large Language Models”. Semantic web: Interoperability, usability, applicability, v. 16, n. 6. https://doi.org/10.1177/22104968251382172
De-Santis, Antonio; Balduini, Marco; De-Santis, Federico; Proia, Andrea; Leo, Arsenio; Bambrilla, Marco; Della-Valle, Emanuele (2025). “Integrating Large Language Models and knowledge graphs for extraction and validation of textual test data”. In: Demartini, Gianluca; Hose, Katja; Acosta, Maribel; Palmonari, Matteo; Cheng, Gong; Skaf-Molli, Hala; Ferranti, Nicolas; Hernández, Daniel; Hogan, Aidan (eds.). The Semantic Web – ISWC 2024 (Lecture Notes in Computer Science, vol. 15233). Springer. https://doi.org/10.1007/978-3-031-77847-6_17
Garijo, Daniel; Poveda-Villalón, María; Amador-Domínguez, Elvira; Wang, ZiYuan; García-Castro, Raúl; Corcho, Oscar (2025). “LLMs for ontology engineering: A landscape of tasks and benchmarking challenges”. In: Alharbi, Reham; De-Berardinis, Jacopo; Groth, Paul; Meroño-Peñuela, Albert; Simperi, Elena; Tamma, Valentina (eds.). Proceedings of the special session on harmonising generative AI and semantic web technologies (HGAIS 2024) co-located with the 23rd International Semantic Web Conference (ISWC 2024). CEUR Workshop Proceedings, v. 3953. https://ceur-ws.org/Vol-3953/364.pdf
Höltgen, Lea; Zentgraf, Sven; Hagedorn, Philipp; König, Markus (2025). “Utilizing large language models for semantic enrichment of infrastructure condition data: a comparative study of GPT and Llama models”. AI in civil engineering, v. 4, art. 14. https://doi.org/10.1007/s43503-025-00055-9
Johnson, Isaac; Kaffee, Lucie-Aimée; Redi, Miriam (2024). “Wikimedia data for AI: a review of Wikimedia datasets for NLP tasks and AI-assisted editing”. In: Kaffee, Lucie-Aimée, Fan, Angela; Gwadabe, Tajuddeen; Johnson, Isaac; Petroni, Fabio; Van-Strien, Daniel (eds.). Proceedings of the first workshop on advancing natural language processing for Wikipedia (pp. 91–101). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.wikinlp-1.14
Lubiana, Tiago; Rasberry, Lane; Mietchen, Daniel (2025). “The Wikidata query service split and its impact on the scholarly graph”. In: Chaves-Fraga, David; Heibi, Ivan; Garijo, Daniel; Collarana, Diego; Salatino, Angelo; Vahdati, Sahar (eds.). Proceedings of the SEMANTiCS Conference 2025, Vienna, Austria (03-05 Sept.). CEUR Workshop Proceedings, v. 4064. https://ceur-ws.org/Vol-4064/PD-paper3.pdf
Luo, Linhao; Zhao, Zicheng; Haffari, Gholamreza; Gong, Chen; Pan, Shirui (2024). “Graph-constrained Reasoning: Faithful Reasoning on Knowledge Graphs with Large Language Models”. arXiv preprint arXiv:2410.13080. https://doi.org/10.48550/arXiv.2410.13080
Moiseev, Fedor; Dong, Zhe; Alfonseca, Enrique; Jaggi, Martin (2022). “SKILL: Structured Knowledge Infusion for Large Language Models”. In: Carpuat, Marine; De-Marneffe, Marie-Catherine; Meza-Ruiz, Ivan-Vladimir (eds.). Proceedings of the 2022 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (pp. 1581–1588). Association for Computational Linguistics. https://doi.org/10.18653/v1/2022.naacl-main.113
Pan, Jeff Z.; Razniewski, Simon; Kalo, Jan-Christoph; Singhania, Sneha; Chen, Jiaoyan; Dietze, Stefan; Jabeen, Hajira; Omeliyanenko, Janna; Zhang, Wen; Lissandrini, Matteo; Biswas, Russa; De-Melo, Gerard; Bonifati, Angela; Vakaj, Edlira; Dragoni, Mauro; Graux, Damien (2023). “Large Language Models and Knowledge Graphs: Opportunities and challenges”. Transactions on graph data and knowledge, v. 1, n. 1. https://doi.org/10.4230/TGDK.1.1.2
Saeedizade, Mohammad-Javad; Blomqvist, Eva (2024). “Navigating ontology development with Large Language Models”. In: Meroño-Peñuela, Albert; Dimou, Anastasia; Troncy, Raphaël; Hartig, Olaf; Acosta, Maribel; Alam, Mehwish; Paulheim, Heiko; Lisena, Pasquale (eds.). The Semantic Web. ESWC 2024 (Lecture Notes in Computer Science, v. 14664). Springer. https://doi.org/10.1007/978-3-031-60626-7_8
Sequeda, Juan; Allemang, Dean; Jacob, Bryon (2025). “Knowledge graphs as a source of trust for LLM-powered enterprise question answering”. Journal of Web Semantics, v. 85, 100858. https://doi.org/10.1016/j.websem.2024.100858
Zhang, Bohui; Reklos, Ioannis; Jain, Nitisha; Meroño-Peñuela, Albert; Simperl, Elena (2023). “Using Large Language Models for Knowledge Engineering (LLMKE): A case study on Wikidata”. In: Razniewski, Simon; Kalo, Jan-Christoph; Singhania, Sneha; Pan, Jeff Z. (eds.). Joint proceedings of the 1st workshop on Knowledge Base Construction from Pre-Trained Language Models (KBC-LM) and the 2nd challenge on Language Models for Knowledge Base Construction (LM-KBC) (KBC-LM + LM-KBC 2023), Athens, Greece, November 6, 2023. CEUR Workshop Proceedings, Vol. 3577. https://ceur-ws.org/Vol-3577/paper8.pdf
Wikimedia Foundation (2024). “Wikidata: Embedding Project”. Wikidata. https://www.wikidata.org/wiki/Wikidata:Embedding_Project
Wikimedia Foundation (2025). “Wikidata: Wikibase GraphQL prototype”. Wikidata. https://www.wikidata.org/wiki/Wikidata:Wikibase_GraphQL_prototype
Xu, Silei; Liu, Shicheng; Culhane, Theo; Pertseva, Elizaveta; Wu, Meng-Hsi; Semnani, Sina; Lam, Monica (2023). “Fine-tuned LLMs know more, hallucinate less with few-shot sequence-to-sequence semantic paarsing over Wikidata. In: Bouamor, Houda; Pino, Juan; Bali, Kalika (eds.). Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing (pp. 5778–5791). Association for Computational Linguistics. https://doi.org/10.18653/v1/2023.emnlp-main.353
Descargas
Publicado
Cómo citar
Dimensions
